論文の概要: MuCO: Generative Peptide Cyclization Empowered by Multi-stage Conformation Optimization

• arxiv url: http://arxiv.org/abs/2602.11189v1
• Date: Fri, 30 Jan 2026 10:02:15 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-15 14:54:53.740484
• Title: MuCO: Generative Peptide Cyclization Empowered by Multi-stage Conformation Optimization
• Title（参考訳）: MuCO: 多段階コンフォーメーション最適化を利用した生成ペプチドサイクル化
• Authors: Yitian Wang, Fanmeng Wang, Angxiao Yue, Wentao Guo, Yaning Cui, Hongteng Xu,
• Abstract要約: 本稿では, 対応するリニアペプチドに条件付き環状ペプチド配座の分布をモデル化した生成ペプチド環化法を提案する。 MuCOはペプチド環化タスクを、トポロジーを意識したバックボーン設計、生成側鎖パッキング、物理を意識した全原子最適化の3段階に分解する。 大規模CPSeaデータセットの実験により、MuCOは物理的安定性、構造的多様性、二次構造回復、計算効率において、最先端の手法を大幅に上回っていることが示された。
• 参考スコア（独自算出の注目度）: 30.75292632688159
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Modeling peptide cyclization is critical for the virtual screening of candidate peptides with desirable physical and pharmaceutical properties. This task is challenging because a cyclic peptide often exhibits diverse, ring-shaped conformations, which cannot be well captured by deterministic prediction models derived from linear peptide folding. In this study, we propose MuCO (Multi-stage Conformation Optimization), a generative peptide cyclization method that models the distribution of cyclic peptide conformations conditioned on the corresponding linear peptide. In principle, MuCO decouples the peptide cyclization task into three stages: topology-aware backbone design, generative side-chain packing, and physics-aware all-atom optimization, thereby generating and optimizing conformations of cyclic peptides in a coarse-to-fine manner. This multi-stage framework enables an efficient parallel sampling strategy for conformation generation and allows for rapid exploration of diverse, low-energy conformations. Experiments on the large-scale CPSea dataset demonstrate that MuCO significantly outperforms state-of-the-art methods in consistently in physical stability, structural diversity, secondary structure recovery, and computational efficiency, making it a promising computational tool for exploring and designing cyclic peptides.
• Abstract（参考訳）: ペプチド環化のモデル化は、物理的および医薬学的特性が好ましい候補ペプチドの仮想スクリーニングに重要である。 この課題は、環状ペプチドが多様で環状のコンフォメーションを示すことが多く、線形ペプチドの折り畳みから導かれる決定論的予測モデルではうまく捉えられないため、困難である。 本研究では, 対応するリニアペプチドに条件付き環状ペプチド配座の分布をモデル化した生成ペプチド環化法である MuCO (Multi-stage Conformation Optimization) を提案する。 原則として、MuCOはペプチドの環化タスクを、トポロジーを意識したバックボーン設計、生成側鎖のパッキング、物理を意識した全原子最適化の3段階に分解し、環状ペプチドの粗大な配座の生成と最適化を行う。 この多段階のフレームワークは、コンフォーメーション生成のための効率的な並列サンプリング戦略を可能にし、多種多様な低エネルギーコンフォーメーションの迅速な探索を可能にする。 大規模CPSeaデータセットの実験により、MuCOは物理的安定性、構造多様性、二次構造回復、計算効率において、最先端の手法よりも大幅に優れており、環状ペプチドを探索・設計するための有望な計算ツールであることが示された。

関連論文リスト

• Zero-Shot Cyclic Peptide Design via Composable Geometric Constraints [65.77915791312634]
  ゼロショットサイクリックペプチド生成を可能にする新しい生成フレームワークであるCP-Composerを提案する。 提案手法では, 複雑な循環パターンを単位制約に分解し, 拡散モデルに組み込む。 線形ペプチドの訓練にもかかわらず, 標的結合型環状ペプチドを多種に生成し, 成功率は38%から84%である。
  論文  参考訳（メタデータ） (2025-07-06T03:30:45Z)
• Designing Cyclic Peptides via Harmonic SDE with Atom-Bond Modeling [58.384011300570585]
  本稿では,高調波SDEに基づく生成構造予測モデルであるAtomSDEと残留型予測器であるResの2つの重要なコンポーネントからなるCpSDEを紹介する。 CpSDEは既存のデータ制限を克服し、様々な環状ペプチドの設計に長けている。 本手法により設計した環状ペプチドは安定性と親和性を示した。
  論文  参考訳（メタデータ） (2025-05-27T17:24:12Z)
• PPFlow: Target-aware Peptide Design with Torsional Flow Matching [52.567714059931646]
  ペプチド構造設計のためのねじれ角の内部構造をモデル化するために,textscPPFlowと呼ばれるターゲット認識型ペプチド設計手法を提案する。 さらに, PPBench2024というタンパク質-ペプチド結合データセットを構築した。
  論文  参考訳（メタデータ） (2024-03-05T13:26:42Z)
• Efficient Prediction of Peptide Self-assembly through Sequential and Graphical Encoding [57.89530563948755]
  この研究は、高度なディープラーニングモデルを用いたペプチドエンコーディングのベンチマーク分析を提供する。 等電点や水和自由エネルギーなど、幅広いペプチド関連予測のガイドとして機能する。
  論文  参考訳（メタデータ） (2023-07-17T00:43:33Z)
• Accurate and Efficient Structural Ensemble Generation of Macrocyclic Peptides using Internal Coordinate Diffusion [0.5475672579692472]
  RINGERは拡散型トランスフォーマーモデルであり、その2次元表現から大環状ペプチドの3次元コンフォメーションアンサンブルを生成する。 本稿では,RINGERが計算コストのごく一部で高品質かつ多様なジオメトリを生成する方法を示す。
  論文  参考訳（メタデータ） (2023-05-30T16:39:18Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。